CCMT:农作物害虫和疾病检测数据集
Patrick Kwabena Mensah1, Vivian Akoto-Adjepong1, Kwabena Adu1
1Department of Computer Science and Informatics, University Energy and Natural Resources, Sunyani, Ghana.
Data in brief
|June 26, 2023
概括
本研究介绍了加纳农作物害虫和疾病图像的综合数据集,旨在推进人工智能 (AI) 在农业中的应用. 自由可用的数据支持人工智能驱动的解决方案,以改善发展中国家的作物健康和产量.
科学领域:
- 农业科学 农业科学
- 计算机科学 计算机科学
- 数据科学数据科学数据科学
背景情况:
- 发展中国家的农业部门面临着知识缺口和害虫侵袭等挑战.
- 人工智能 (AI) 为农业害虫/疾病控制,降低成本和提高产量提供了潜在的解决方案.
- 应对这些挑战需要可访问的,高质量的数据,用于AI模型开发.
研究的目的:
- 来自加纳的农作物害虫和疾病图像的新型数据集.
- 促进人工智能技术在农业中的开发和应用.
- 为发展中国家的农民弥合技术差距.
主要方法:
- 从加纳当地农场收集了农作物害虫和疾病的原始图像.
- 增加了原始图像数据集,并将其分为训练和测试集.
- 确保所有图像都被专家植物病毒学家去识别和验证.
主要成果:
- 该数据集包括24881个原始图像,涵盖了果仁,大麻,玉米和番茄作物.
- 一个增强数据集包含了22个不同的类别中的102,976张图像.
- 数据集得到验证,并为研究目的免费提供.
结论:
- 本文所介绍的数据集是培训人工智能模型识别农作物害虫和疾病的宝贵资源.
- 这一举措可以为改善农业实践和粮食安全做出重大贡献.
- 数据的开放可用性促进了农业人工智能的协作研究和创新.


